اخیراً مفهوم بیکاری ناشی از فناوری چه در ادبیات اقتصاد کار و چه در رسانه‌ها مجدداً مطرح شده و دلیل اصلی آن، تهدیدی است که فناوری‌ها برای مشاغل دارند. این اضطراب در این دیدگاه ریشه دارد که پیشرفت فنی تصاعدی منجر به خدوکارسازی بی‌امان تولید و کاهش نیاز به نیروی کار خواهد شد. هرچند نوع انسان همواره سعی در بهبود کارایی و بهره‌وری تولید با استفاده از فناوری داشته، اما فناوری‌های جدید با قدرت اعطای بهره‌وری بسیار بالا، به این ترس بیشتر و بیشتر دامن زده‌اند.
دو شاخه نسبتاً جدید از علوم رایانه به تقویت این اضطراب کمک کرده‌اند: روباتیک و هوش مصنوعی (AI). علم روباتیک ادامه انقلاب‌های فناوری قبلی است که در تاریخ رخ داده و هدف آن کم کردن مشقت‌های کار و در عین حال بهبود کارایی و بهره‌وری تولید است؛ از جرثقیل‌های روم باستان که از آنها برای ساخت قنات استفاده می‌شد تا جرثقیل‌های مدرن که آسمان خراش می‌سازند، از اختراع چاپ تا ماشین‌های چاپ مدرن که با افزایش سرعت چاپ و در عین حال کاهش هزینه‌ها به تسریع انتشار اطلاعات کمک کرده‌اند، از ماشین‌های بافندگی دستی که با دستگاه‌های ریسندگی در اواسط قرن هجدهم جایگزین شدند تا ماشین‌های بافندگی مدرن که به افزایش 10 برابری مقدار تولید منجر شده‌اند. همه این اختراعات کار انسان را مولدتر ساخته و کیفیت محصولات تولیدی را افزایش داده است. رباتیک بخشی از این تداوم است که امکان کاهش شدید میزان کار انسانی در هر واحد سرمایه را با خودکارسازی فراهم می‌کند. به نظر می‌رسد پیشرفت ماشین‌آلات به‌ویژه در حوزه کار، بخشی جدایی‌ناپذیر از زندگی انسان است که امکان مقابله با آن هم وجود ندارد. به‌ویژه در دوران رقابتی تولید که استفاده از فناوری‌های پیشرفته‌تر را برای ماندگاری در عرصه رقابت را به یک الزام
 تبدیل کرده‌اند. 
از سوی دیگر، هوش مصنوعی نیز در راستای افزایش کارایی ایجاد شده است. هرچند با نوآوری‌های قبلی تفاوت دارد؛ زیرا وظایف شناختی را به صورت خودکار انجام می‌دهد. از این نظر، هوش مصنوعی بخشی از روند انقلاب دیجیتال با ظهور علم کامپیوتر است که انجام وظایف محاسباتی را به راحتی و به سرعت ممکن می‌سازد. آنچه هوش مصنوعی را از سایر ابداعات انقلاب دیجیتال متمایز می‌سازد ویژگی‌های تطبیقی آن است، زیرا در مقایسه با الگوریتم‌های سنتی که ایستا هستند، هوش مصنوعی بشدت پویا است. این تفاوت را می‌توان به صورت زیر
 فرمول‌بندی کرد:
 یک الگوریتم سنتی برای انجام یک کار مشخص برنامه‌ریزی شده است. هنگامی که درجه پیچیدگی یک کار کم است، الگوریتم‌های سنتی بسیار کارآمدتر هستند و به زمان و منابع کمتری نیاز دارند. با این حال، هنگامی که درجه پیچیدگی افزایش می‌یابد، استفاده از هوش مصنوعی بسیار قدرتمندتر است و گاهی اوقات منجر به نتیجه‌ای می‌شود که حتی برای توسعه‌دهندگان آن نیز جدید است. این نوع الگوریتم به‌ویژه برای مسائلی که نیاز به دانش ضمنی دارند، مؤثر است. به عنوان مثال، تکنیک‌های یادگیری ماشینی توسعه اتومبیل‌های خودران را تسریع کرده است. رانندگی کار ساده‌ای است، اما نیاز به ظرفیت بزرگی از تطبیق دارد که اجرای آن با الگوریتم‌های سنتی که مستلزم پیش‌بینی تمام سناریوهای ممکن بود که خودرو می‌توانست با آن روبه‌رو شود، بسیار دشوار است.